Introducción a Python
Máster en Sociedad Digital
Oscar José Pellicer Valero
[Link]@[Link]
Departament d’Enginyeria Electrònica
Escola Tècnica Superior d’Enginyeria
Programa del curso: Introducción a Python
Horario: Viernes de 15:30h a 18:30h Sesión 3 (Viernes, 21 de noviembre): Análisis y
Requisitos: Trae tu propio portátil! manipulación de datos con Pandas. Introducción a Pandas,
Sesiones: la librería clave para la ciencia de datos. Se aprenderá el
ciclo completo del trabajo con datos: carga, inspección,
Sesión 1 (Viernes, 7 de noviembre): Gramática básica y
limpieza, filtrado, transformación, y la realización de
estructuras de datos. Se sientan las bases de la
agregaciones y agrupaciones ( groupby ) para responder
programación en Python, desde la configuración del
preguntas.
entorno con Jupyter hasta el trabajo con variables, texto, y
Sesión 4 (Viernes, 5 de diciembre): Visualización de datos
las estructuras de datos fundamentales como listas y
con Matplotlib y Seaborn. Se aprende a crear
diccionarios. Se introducen las funciones como bloques de
visualizaciones de datos profesionales, usando Matplotlib
código reutilizables.
como base y Seaborn para producir gráficos estadísticos
Sesión 2 (Viernes, 14 de noviembre): Flujo de control y
atractivos y listos para una presentación.
manejo de ficheros. Se dominan los elementos para
Sesión 5 (Viernes, 12 de diciembre): Machine learning y
controlar el flujo de un programa, como los bucles y
proyecto final. Introducción a los conceptos de "machine
condicionales. Se exploran técnicas más avanzadas y se
learning" con Scikit-learn, construyendo un modelo
finaliza con la lectura y escritura de ficheros del sistema.
predictivo simple. Se consolidan todas las habilidades
aprendidas con un proyecto final de análisis de datos.
2 Introducción a Python
Introducción a conda ,
mamba , venv
Prompt: A toolbox for data scientists,
data all over the place
Desinstalando Anaconda
Si ya tienes instalada una versión de Anaconda, para evitar conflictos, es muy recomendable desinstalarla por completo
antes de empezar:
Windows: macOS / Linux:
1. Usar el desinstalador: Busca "Agregar o quitar 1. Eliminar la carpeta de instalación: Abre una terminal
programas", encuentra Anaconda en la lista y haz clic y elimina el directorio de Anaconda: rm -rf
en "Desinstalar". En la carpeta de instalación de ~/anaconda3 (la ruta puede variar, [Link].,
Anaconda (ej. C:\Users\username\Anaconda3 ) suele ~/opt/anaconda3 ).
haber un [Link] . 2. Limpiar archivos de configuración: Elimina las
2. Limpieza manual: Después de desinstalar, borra las carpetas y archivos de configuración ocultos en tu
carpetas residuales como .conda y .continuum en tu directorio de inicio: rm -rf ~/.condarc ~/.conda
directorio de usuario ( C:\Users\username ). ~/.continuum .
3. Editar el perfil del shell: Abre tu archivo de
configuración del shell ([Link]., ~/.bashrc , ~/.zshrc ) y
elimina la línea que añade Anaconda a tu PATH .
4 Introducción a Python
Instalando Miniconda
Miniconda es una versión mínima de Anaconda que incluye solo Python, conda y un
pequeño número de paquetes. Esto nos da un mayor control sobre nuestros
entornos.
Para instalar Miniconda, accede a la página de descarga, haz click en Get Started , escoge la opción
adecuada para tu sistema operativo, descarga el instalador y instálalo (deja todas las opciones por
defecto).
Una vez instalado, para empezar a trabajar con Anaconda:
En Windows, abre el Anaconda Prompt desde el menú de inicio
(ver imagen de la derecha )
En macOS, abre la terminal haciendo Command + Space y
buscando Terminal
En Linux, abre la terminal haciendo Ctrl + Alt + T
5 Introducción a Python
Instalando Visual Studio Code
Visual Studio Code (VS Code) es un editor de código ligero y potente que usaremos
como nuestra herramienta principal para trabajar con Python y Jupyter Notebooks.
1. Descarga e instala VS Code:
Ve a la web oficial de VS Code y descarga el instalador para tu sistema operativo.
Sigue las instrucciones de instalación.
2. Instala las extensiones esenciales:
Una vez abierto VS Code, ve a la pestaña de Extensiones (el icono de los cubos en la barra
lateral) y busca e instala las siguientes extensiones del desarrollador Microsoft:
Python: Soporte para el lenguaje Python (linting, debugging, etc.).
Jupyter: Soporte para trabajar con Jupyter Notebooks.
Notar que al instalar las extensiones anteriores, VSCode instalará automáticamente muchas otras
asociadas. En la siguiente diapositiva se muestra cómo instalar las extensiones paso a paso
6 Introducción a Python
7 Introducción a Python
Usando Jupyter Notebooks en VS Code
1. Abre la carpeta de tu proyecto en VS Code
Puedes usar File > Open Folder... o arrastrar la carpeta directamente a la ventana de VS Code.
2. Crea o abre un Jupyter Notebook
Para crear uno nuevo, puedes usar el atajo Ctrl+Shift+P para abrir la paleta de comandos, escribir Jupyter:
Create New Jupyter Notebook y presionar Enter.
Si ya tienes un archivo .ipynb , simplemente haz doble clic sobre él en el explorador de archivos de VS Code.
3. Selecciona el kernel correcto
En la esquina superior derecha del notebook, verás un botón para seleccionar el kernel . Haz clic en él y elige tu
entorno de conda ds . Si no aparece, puede que tengas que buscarlo haciendo clic en Select Another Kernel... y
navegando hasta el ejecutable de Python de tu entorno.
Mira la imagen en la siguiente slide como referencia
8 Introducción a Python
9 Introducción a Python
Accediendo a la versión Pro de GitHub Copilot
GitHub Copilot es un asistente de programación basado en IA que se integra en VS Code y te ayuda a
escribir código más rápido. Como estudiantes, podéis acceder a Copilot Pro de forma gratuita
solicitando a Github acceso los Education Benefits.
1. Regístrate en GitHub y añade tu correo académico:
Si no tienes una cuenta, regístrate en GitHub usando tu correo electrónico personal (gmail, yahoo, etc.). A
continuación, añade tu correo académico a tu cuenta desde la sección Emails en Settings (ver siguiente slide )
2. Solicita acceso a los Education Benefits:
Ve a esta página y sigue los pasos para solicitar acceso a los Education Benefits. Una vez aprobados, podrás acceder
a Copilot Pro de forma gratuita. Nota que para ello necesitarás:
Subir una foto de tu carnet de estudiante (puedes usar la imagen que aparece en la intranet)
Tener activado la autenticación en dos factores en tu cuenta de GitHub (puedes usar una aplicación de
autenticación como Microsoft Authenticator)
Tener tu nombre y apellidos completos en tu perfil de GitHub
3. Instala la extensión en VS Code:
Ve a la pestaña de Extensiones en VS Code, busca Github y GitHub Copilot e instálalas.
10 Introducción a Python
11 Introducción a Python
Creando un entorno para Ciencia de Datos
Vamos a crear un entorno llamado ds con las librerías esenciales.
1. Abre tu terminal (macOS/Linux) o Anaconda Prompt (Windows).
2. Crea el entorno instalando los paquetes directamente:
conda create -n ds python=3.11 numpy pandas matplotlib scikit-learn ipykernel
conda create -n ds : Crea un nuevo entorno llamado ds .
python=3.11 : Especifica la versión de Python.
numpy pandas ... : Lista de paquetes a instalar.
3. Activa el nuevo entorno:
conda activate ds
Tu terminal cambiará para mostrar (ds) , indicando que el entorno está activo.
12 Introducción a Python
Potenciando conda con mamba
Mamba es un reimplementación de conda en C++ que es mucho más
rápida, especialmente a la hora de resolver dependencias complejas.
Una vez instalado Miniconda, abre el Anaconda Prompt (Windows) (ver
imagen de la derecha ) o tu terminal (macOS/Linux) y ejecuta:
conda install -n base -c conda-forge mamba
A partir de ahora, para la mayoría de los comandos, puedes usar mamba en lugar de conda para una
experiencia mucho más fluida y rápida.
13 Introducción a Python
Comandos básicos de conda / mamba
Gestión de entornos: Gestión de paquetes:
Crear un entorno: Instalar paquetes:
conda create --name mi_entorno python=3.10 mamba install numpy pandas scikit-learn
Activar un entorno: Instalar desde conda-forge (más paquetes):
conda activate mi_entorno mamba install -c conda-forge nombre_paquete
Desactivar el entorno actual: Listar paquetes instalados en el entorno activo:
conda deactivate mamba list
Listar todos los entornos: Eliminar un paquete:
conda env list mamba remove nombre_paquete
Eliminar un entorno: Exportar un entorno a un archivo y crearlo desde él:
conda env remove --name mi_entorno mamba env export > [Link]
mamba env create -f [Link]
14 Introducción a Python
Alternativa a VS Code: Jupyter Lab
Si prefieres la interfaz clásica de Jupyter Lab en el navegador, puedes seguir estos pasos.
1. Instala Jupyter Lab en el entorno base : Jupyter Lab es una interfaz web interactiva. Lo instalaremos en el entorno
base para que actúe como nuestro "lanzador" principal.
mamba install -n base -c conda-forge jupyterlab
2. Conecta tu entorno ds : Por defecto, Jupyter Lab solo "ve" el Python del entorno desde el que se lanza. Para que
pueda usar nuestro entorno ds , necesitamos instalar ipykernel en él y registrarlo.
Activa el entorno ds : conda activate ds
Instala ipykernel : mamba install ipykernel
Registra el entorno: python -m ipykernel install --user --name ds --display-name ds
3. Lanza Jupyter Lab:
Asegúrate de estar en el entorno base ( conda deactivate si estás en otro) y ejecuta: jupyter lab
Esto abrirá Jupyter Lab en tu navegador, y ahora verás "ds" como una opción para crear nuevos notebooks.
15 Introducción a Python
Alternativa a conda / mamba : venv
Python incluye su propio módulo para crear entornos virtuales ligeros, llamado venv .
Creación y activación: Gestión de paquetes:
1. Navega a la carpeta de tu proyecto. venv no gestiona paquetes. Se usa pip , el instalador
2. Crea el entorno: de paquetes de Python.
python -m venv .venv
Instalar paquetes:
pip install numpy pandas
(Se creará una carpeta .venv en tu directorio actual)
3. Activa el entorno: Guardar dependencias:
Windows: pip freeze > [Link]
.venv\Scripts\activate
Instalar desde un archivo:
macOS / Linux: pip install -r [Link]
source .venv/bin/activate
16 Introducción a Python
conda / mamba vs. venv : Diferencias clave
conda / mamba venv
Gestor de paquetes Y de entornos. Solo gestor de entornos. Para paquetes, se usa pip .
Independiente del lenguaje: Puede gestionar Específico de Python: Solo gestiona paquetes de
paquetes y dependencias de otros lenguajes (R, C++, Python.
etc.), no solo Python. Instala desde "wheels" o fuentes: pip instala
Gestión de binarios: Instala paquetes pre- paquetes binarios (wheels) o compila desde el código
compilados (binarios), lo que puede ser más rápido y fuente si no hay un wheel disponible para tu sistema.
evitar problemas de compilación, especialmente en Usa el Python con el que se creó: El entorno usa la
Windows. versión de Python del sistema que se usó para
Gestión de Python: Puede instalar diferentes crearlo.
versiones de Python en diferentes entornos. Descentralizado: El entorno se crea típicamente
Centralizado: Los entornos se guardan en una dentro de la carpeta del proyecto.
carpeta central de Miniconda, no junto al proyecto.
Recomendación: Para este curso, usaremos conda + mamba por su robustez en el ecosistema de ciencia de datos.
17 Introducción a Python